基于工業互聯網的水電設備安全預警平臺
北京中元瑞訊科技有限公司
網絡行業應用篇/設備監控與維護
1 概述
中國是水能資源最多的國家，根據數據顯示，我國的理論資源蘊藏量有1.6億kW，技術開發量為1.28億kW，其可開發量占全國水電資源可開發量的23%，居世界第一位。我國水電資源的開發已處于較成熟的狀態，裝機容量逐年上升，持續增長，但增速有放緩的趨勢，水電市場規模趨于穩定。根據國家能源局《能源發展戰略行動計劃（2014-2020年）》，至2020年我國水電總裝機容量要達到4.2億千瓦；據此測算2020年我國水電裝機容量年度復合增長率為5.73%，十三五期間平均每年將新增裝機容量2083萬千瓦。
近年來，隨著水電能源的大力發展，國家也加大了對水電發展的扶持力度，各種扶持水電開發的政策也相繼出臺。國務院總理李克強主持召開國務院常務會議，部署加快推進節水供水重大水利工程建設，決定大幅增加國家創投引導資金促進新興產業發展。會議確定，按照統籌謀劃、突出重點的要求，在今明年和“十三五”期間分步建設納入規劃的172項重大水利工程。國家能源局印發《水電發展“十三五”規劃》指出，加強“互聯網+”智能水電站建設，重點發展與信息技術的融合，推動水電工程設計、建造和管理數字化、網絡化、智能化，充分利用物聯網、云計算和大數據等技術，研發和建立數字流域和數字水電，促進智能水電站、智能電網、智能能源網友好互動。圍繞能源互聯網開展技術創新，探索“互聯網+”智能水電站和智能流域，開展建設試點。加強行業信息化管理，推動信息管理平臺建設，系統監測項目建設和運行信息，建立項目全過程信息化管理體系，為流域管理和行業監管提供支撐。
1.1 背景
水力發電行業的主要生產任務是發電。從生產角度來說，主要有以下特點：
1）發電成本低。水力發電只是利用水流所攜帶的能量，無需再消耗其他動力資源。而且上一級電站使用過的水流仍可為下一級電站利用。因此水電站的提高效益的主要手段是利用利用有限的來水量自可能發更多的電。對于大中型水電站而言，發電量由網調給出根據流域來水和網上負荷需求給定; 而對于小水電而言，在不影響電網穩定性的前提下，發電量完全可以根據電站的來水量自我調整優化，盡可能提高發電量。
2）水電站的設備比較簡單,其核心設備是水力發電機組及其附屬設備。對于水電站來說保證發電機設備可靠安全、健康運行是整個生產過程的核心。雖然水電站初期間設備成本高、周期長，但是當建設完成之后，在整個運行成本中，設備的檢修、維護費用成為主要的生產成本。因此，水電站運行管理的關鍵工作就是設備的運行、維護和檢修。
3）高效而靈活,運行工況復雜。水力發電主要動力設備 的水輪發電機組 ，不僅效率較高而且啟動、操作靈活。因此，利用水電承擔電力系統的調峰、調頻、負荷備用和事故備用等任務，可以提高整個系統的經濟效益。也正是如此，水電機組的工況轉換頻繁、復雜，對設備的沖擊較大，故障率較高，因而對于設備制造、維護、檢修的要求也高。
1.2 實施目標
根據水電行業的特點，對工業互聯網實施的業務需求也非常明確，主要是以下三點。
1）發電設備運行的安全預警，保證發電設備的安全運行。
近幾年，國內外發生了多起水電站嚴重事故，例如俄羅斯撒揚水電站于2009年8月發生的事故，導致75人死亡，10臺機組受到不同情況的損壞，廠房被損毀，事故造成當地地區25%的電力缺口，直接經濟損失130億美元。導致此次事故的其中一個很關鍵的技術因素就是，電站未能振動保護系統缺失，在設備劣化初期，未能提前預警，導致重大的人員傷亡和設備損壞。
結合國內實際情況，隨著我國三峽等巨型水電站的投入運行，發電機組的容量加大、水頭變高、庫容增大，一方面，設備事故導致的非停產生的經濟效率損失巨大，另外一方面，惡性事故導致的社會危害也加大；而且，隨著我國水電事業的大力發展，在各個大江大河上建立了星羅棋布的大小水電站，任何一個水電站的事故會產生較大的影響，因此對水力發電設備運行的安全預警已經提到了非常重要的地位。
因此，對運行設備進行實時監測，對設備運行數據進行挖掘，建立預警模型，實現發電設備的安全預警，對于保障發電設備安全運行，避免惡性重大事故的發生有重要的意義。
2）發電設備運行的優化調度，提高水能利用率和設備可用率；
對于發電站來說，在上游來水總量確定的情況下，盡可能發出更多的電量，或者在總發電量給定的情況下，盡可能地降低耗水率指標，是提高發電廠經濟效益的重要目標。從目前的現狀來說，對于大中型水電站而言，都已經建立了AGC（自動發電控制）系統，來解決上述優化調度的問題，然而存在的問題是其水輪發電機效率模型一般根據設備制造廠模型機數據建立的，并非依據真機數據建立，和實際的效率模型存在差異；而對于數量巨大的小水電而言，建立機組的效率模型，并借以實現優化調度的電站少之又少。
因此，借助物聯網技術采集機組負荷、效率等參數，利用大數據技術建立水輪發電機效率模型，根據來水總量和給定發電量實時計算目標負荷，并反饋到控制系統，實現機組以經濟指標為最優的負荷優化分配，對于提高水能利用率有重要意義。
另外，水輪發電機組工況承擔著電網的調峰、調頻、負荷備用等功能，負荷調整頻繁。然而不同的工況對發電設備運行穩定性影響差異較大，對設備的損傷也不一樣，因此，考慮在機組調度時將設備的穩定性指標作為控制目標，實現設備的可靠運行也是延長設備壽命，提高設備可用率的目標。
因此，借助物聯網技術采集機組振動、溫度參數，利用大數據技術建立水輪發電機穩定性模型，根據來水總量和給定發電量實時計算目標負荷，并反饋到控制系統，實現機組以穩定性指標為最優的負荷優化分配，對于提高發電設備可用率有重要意義。
綜合上述兩種優化模型，實現水電站效率和穩定性的綜合最優調度，提高水能利用率和設備可用率。
3）發電設備故障診斷，實現發電設備檢修、維護指導；
關于發電設備的檢修，需要解決兩個問題，一個是什么時候修、該不該修，另外一個問題是修什么、如何修。第一個問題是檢修觸發的問題，是依據設備的可靠性原則和故障預警，進行檢修決策的問題；第二個問題是依據故障定位和故障確認來進行針對性、精確檢修的問題，上述兩個問題是實現“狀態檢修”的核心為題。從現狀上看，發電機組屬于大型旋轉機械，能夠實現精確診斷的故障并不是很豐富，而且機組個性突出，采用傳統故障機理建立起來的故障模型普適性并不是很好，因此，水電行業實施工業互聯網，重要的一個需求就是運用機器學習、大數據分析結合傳統故障機理模型，實現故障預警和故障診斷，從而為發電設備的檢修決策和檢修實施提供依據。
1.3 適用范圍
本解決方案應用于各水力發電集團或水電站中水輪發電機組、變壓器等關鍵設備運行的安全健康預警系統建設，實現上述設備的設備安全狀態的預測、故障預警、故障診斷和狀態評價，防止設備缺陷的擴大化，而為數電站設備的優化運行、檢修決策和檢修實施提供依據。
1.4 在工業互聯網網絡體系架構中的位置
圖1 工業互聯網互聯示意圖
本解決方案包含在電站各發電設備上部署傳感器、采集處理設備，在電站部署數據挖掘、數據治理軟件，以及在發電集團公司的工業云平臺(私有云)上部署監測、預警、故障診斷等各類應用。對應于工業互聯網網絡體系架構，涉及以下多個位置：
? 智能機器與工廠控制系統：本解決方案中，傳感器設備部署于電站設備上，而數據采集設備部署于設備旁邊，用于采集設備的振動、溫度、壓力等基礎數據，是實現設備智能預警、故障診斷的基礎。這些數據通過網絡傳送到電站設備的控制系統，用于輔助優化控制，同時也傳送到工廠云平臺，進行數據挖掘等
? 工廠云平臺(及管理軟件):在電站工廠側云平臺部署安全特征指標計算軟件，用以接收傳感器采集到的振動、溫度、壓力等數據，并融合工廠控制系統的運行控制過程數據，以上述數據為基礎，實現特征指標的實時計算提取，同時部署數據清洗軟件以及數據編碼轉換等軟件。在數據整合、治理、標準化之后，通過專用網絡將特征指標數據傳送到發電集團公司的工業云平臺進行存儲、展示、預警、評價等處理。
? 智能化生產（工業互聯網應用）: 在本解決方案中，智能化生產應用主要包括設備狀態展示、故障預警及故障診斷、運行優化決策、檢修決策等應用。上述應用的基礎數據是工廠云平臺傳送來的的設備特征指標數據。
2 需求分析
從信息技術角度分析，水力發電設備本身信息化程度較高，大多具備物聯網實現的基礎條件。尤其是對于大中型水電站而言，大多已經建立了SCADA/計算機監控系統、發電設備在線監測系統、水情監測系統、生產信息系統等，但存在的問題是，上述系統各自獨立，不能實現信息共享，更不能滿足機組安全預警、優化運行指導和檢修決策、維修指導的功能。因此，在大中型水電站實施工業互聯網的路徑，打通原來各個獨立的子系統，就是要在電站或者流域性發電企業內部建立一套完整的工業互聯網系統，涵蓋機組的運行控制、安全監測、故障預警和診斷以及檢修、維修指導各生產環節。從信息安全的角度而言，水電行業有嚴格的網絡安全控制措施，能有力地保證設備安全、網絡安全、控制安全、應用安全和數據安全。
對于小水電而言，信息化程度并不高，并不具備物聯網實現的基礎條件，需要從邊緣層開始有選擇地建立數據采集、邊緣計算，可以逐步在公有云上利用工業互聯網平臺，踐行云制造的理念。
3 解決方案
3.1 方案介紹
本方案基于工業互聯網架構設計，采用大數據技術、機器學習等智能化分析技術，結合設備故障機理研究，構建水電安全狀態數據的集數據采集、數據治理、預警預測和分析決策為一體的預警平平臺。本方案通過在水電站各設備上部署傳感器、數據采集和安全特征指標計算設備進行設備安全狀態的數據采集、數據治理；同時，基于大數據技術和大量水電設備數據，進行智能分析與計算，實現對水電設備的設備隱患（或故障）智能預警、設備健康狀態評估、設備運行優化、設備檢修決策等智能化平臺應用，實現水電設備的安全狀態監測和分析、運行特征挖掘；系統將根據數據整合與數據分析結果，實現可視化應用展示，為設備的安全運行、故障預警、異常診斷等系統應用提供必要支持。
3.2 系統架構
總體架構如下圖2所示，包括邊緣層、平臺層、企業應用層。
圖2水電行業設備安全預警平臺總體架構
邊緣層包含電站內容實現機組控制、監測等的各類現場傳感器、各類工業控制系統如PLC、SCADA、計算機控制系統、設備在線監測系統等，提供傳感器數據的采集和處理，轉換為數字信號，并進行初步的計算處理，形成初始的技術指標。它們分別通過不同的數據傳輸協議、透過網絡安全隔離設備將數據上傳至平臺層。
平臺層包含IaaS和PaaS兩層。IaaS層接受邊緣層傳輸上來的數據，并提供數據的計算服務、存儲服務、網絡服務、災備服務、安全服務等，同時IaaS的資源通過APIs、入口等與PaaS層無縫鏈接，并由PaaS層統一管理和維護環境；PaaS層提供數據的分析和處理工具，用以完成面向多用戶的應用開發。系列的微服務組件也存放在這個區域。同時提供即插即用的微服務，如工業模型、算法，工業建模中間件等。水力發電設備的專用診斷模型和性能分析模型也作為PaaS層的服務提供服務。
企業應用層可提供五個模塊的服務：
? 監測系統服務，提供設備狀態參數的全景展示，以及基于GIS的設備監測等；
? 智能預警服務，通過對云平臺大數據的挖掘，實現對基于設備關聯性分析的安全預警服務；
? 設備的智能診斷/智能評價系統服務，提供設備的健康評價和故障診斷服務；
? 結合設備的專用分析工具，如頻譜分析、軌跡分析、回歸分析、聚類分析等等；
? 將知識管理系統服務，提供設備的基礎知識信息、知識信息學習等服務。在企業應用的最高層，提供了設備狀態的全景展示、設備安全預警和故障診斷、檢修決策、運行優化等服務。
3.3 網絡拓撲設計
水電設備安全運行預警平臺網絡拓撲設計如圖3所示：
圖3水電設備安全運行預警平臺網絡拓撲
平臺由感知層、網絡層、應用層三部分組成。
1）感知層：數據采集、故障預警指標計算提取。由傳感器、變送器、智能采集/指標計算裝置等智能采集組成。設備各部位的傳感器將各種物理信號轉化為電信號，傳送到智能采集器及特征指標計算裝置，智能特征指標計算裝置將這些信號采集和處理提取，得到反映機組運行狀態和故障的各種特征指標等，統一存儲到廠站側局域網數據服務器。
2）電站網絡層：數據匯集、數據清洗、數據標準化。位于電站局域網（電站云平臺），包括數據服務器、設備監測管理機等。主要完成感知層采集的指標數據收集、整理、清洗、標準化、存儲和轉發，并向位于云端的遠程監測中心發送監測數據、狀態特征指標數據等。
3）應用層：可視化展示、智能預警與評價、數據挖掘、檢修決策。應用層位于集團公司或者遠程監測診斷中心的工業互聯網云平臺。借助于該云平臺，水電企業在集團公司及遠程監測診斷中心實現對機組的遠程監測、安全故障預警和診斷。
3.4 功能設計
平臺功能包括設備狀態的可視化展示、智能預警與評價、設備運行優化指導、檢修決策等。
1）設備狀態的全景展示功能
全景展示功能以水電站設備為中心，采用三維立體展示方式和GIS技術，進行設備全景信息、設備狀態綜合展現。
2）智能預警與評價功能
主要基于大數據挖掘技術結合專業設備故障機理，建立設備故障預警模型，實現設備狀態的預測和早期預警，提供設備的健康評價和故障診斷服務，防止設備故障導致的惡性事件的發生。包括對設備進行設備健康狀態評估、故障診斷、趨勢預測和風險評估等。
以下圖4是水電站設備故障預警模型：
圖4基于大數據挖據的故障預警模型
首先，需要根據在線監測的歷史數據，依據故障機理模型進行故障特征指標計算，對歷史特征指標集采用大數據分析技術（如多元線性回歸分析、支持向量機（SVM））等進行訓練，建立故障預測模型。
然后，將訓練后的預測模型應用于實時的故障特征異常檢測，即根據實時采集到的設備的原始數據，在邊緣側進行故障特征指標的實時計算，根據預測模型的計算結果和實際計算結果進行比對，用以檢測故障特征指標是否發生變化。當預警系統檢測到特征指標發生變化時則發出告警信息，并輸出告警分析報告。
3）設備運行優化功能
以設備的運行狀態和智能預警評價結果為基礎，結合設備運行性能模型，提供優化運行建議，指導水電機組的安全可靠、高效率運行。
4）設備檢修決策功能
以設備的運行狀態和智能預警評價結果為依據，給出設備檢修建議，實現水電設備的檢修觸發以及檢修方案的指導決策。檢修建議要求包括設備的檢修項目、檢修優先順序、檢修等級和檢修時間，評估其檢修的必要性，為實施最佳、最優檢修提供決策與支持。
3.5 安全及可靠性
本方案的安全設計，包括身份鑒別、訪問控制、安全審計設計、通訊完整性、保密性、抗抵賴、剩余資源保護和控制、軟件容錯等多個方面，確保系統安全。系統安全設計按照《電力監控系統安全防護規定》以及其他電力系統網絡安全規定進行設計。
1）電力網絡安全I、II區與III區之間的數據通訊部署單向網絡隔離柵，防止III區及以外數據侵入電力網絡安全I、II區，引起設備控制系統的誤動。
2）身份鑒別，采用用戶身份認證，保證用戶的合法性。系統內的每個角色有可靠的身份識別，訪問權限控制，防止對信息的非法使用、調閱、修改和破壞。
3）采取應用系統運行日志、應用系統操作日志、系統運行監控和故障報警等手段，加強對系統運行進行監控。
4）提供訪問控制功能控制用戶組/用戶對系統功能和用戶數據的訪問。
5）安全審計與身份鑒別、訪問控制、數據完整性等安全功能的設計緊密結合，并為下述可審計事件產生審計記錄。
6）數據通訊：采用約定通信會話方式的方法保證通信過程中數據的完整性；采用MD5單向加密密碼技術保證通信過程中數據的完整性。
7）剩余資源保護和控制，對系統的各類剩余資源進行監視、清理、控制。
8）軟件容錯。在故障發生時，應用系統能夠繼續提供一部分功能，如非登錄用戶的公共功能。提供數據有效性檢驗功能;采用集群技術和備份技術，提供自動保護功能，當故障發生時自動保護當前所有狀態，保證系統能夠進行恢復。
4 成功案例
1）基于預警平臺的水輪發電機組不平衡故障預警案例
水輪發機組是水電站的核心資產，保障水電機組的安全健康運行是水電站日常生產的最主要的任務。而在水輪發電機組故障中，不平衡類故障是最為常見的故障類型，包括轉子質量不平衡、轉輪質量不平衡、電磁拉力不平衡、水力不平衡等，也是引起機組振動最為主要的原因。對不平衡類故障實現早期預警，能解決水輪發電機組大部分的預警預測問題，為水輪發電機組的安全健康運行提供有力的保證。
圖5水輪發電機組不平衡故障安全預警實施架構
預警系統的工廠云平臺如上圖5所示，根據機組上部署的振動、溫度、壓力等各類傳感器采集的基礎數據，進行特征指標計算，形成狀態預警指標（包括不平衡類故障指標），傳送到流域或集團公司遠程監測診斷中心，進行實時安全預警檢測。當設備安全健康指標異常被安全預警系統檢測出來后，則自動觸發快速告知系統，告知系統透過網絡隔離裝置，根據綁定的人員信息，以短信、微信方式分級推送相應分類信息給不同的人員。同時所有預警信息以及預警判斷時的相關信息，分類后存入平臺數據庫?，F場處理人員，可以通過現場的PC、PAD等登陸調閱預警前后的信息。
以下是在某電站實施預警系統，提前預報水輪發電機水力不平衡故障的實際案例（其中HAbx是表征水輪發電機水力不平衡故障的關鍵特征指標）：
表1水力不平衡故障指標預測結果和實測結果對比表
序號 | 時間 |
| 根據實測數據計算獲得的 |
1 | 2015-8-1 | ≤5μm | ≤5μm |
2 | 2015-8-2 | ≤5μm | ≤5μm |
3 | 2015-8-3 | ≤5μm | ≤5μm |
4 | 2015-8-10 | ≤5μm | ≤5μm |
5 | 2015-8-15 | ≤5μm | 12μm |
6 | 2015-8-23 | ≤5μm | 23μm |
7 | 2015-8-24 | ≤5μm | 26μm |
8 | 2015-8-25 | ≤5μm | 27μm |
9 | 2015-8-26 | ≤5μm | 40μm |
10 | 2015-8-28 | ≤5μm | 121μm |
的預測結果
圖6水力不平衡故障指標預測結果和實測結果對比圖
表1與圖6為某軸流轉槳式機組水力不平衡關鍵特征指標回歸預測值與實際計算值的對比
從上述數據可以看出，發電機組水力不平衡關鍵特征指標HAbx早在2015-8-15已經發生明顯改變，系統發出預警信息。此后，該實測特征指標持續偏離預測值，到2015-8-28日電站停機檢查，確認水輪機存在局部部件脫落問題，驗證了該故障預警的正確性，也為快速確定故障性質和快速定位故障提供有力證據。因為故障缺陷發現及時，避免了機組事故的惡性發展，降低了機組的檢修成本，縮短了機組缺陷的維修時間，減小了由于非計劃停運導致的發電損失。